Toppen! Nu är du prenumerant på Warp News
Härligt! Genomför ditt köp i kassan för full tillgång till Warp News
Varmt välkommen tillbaka! Du är nu inloggad.
Tack! Kolla din inkorg för att aktivera ditt konto.
Klart! Din faktureringsinformation är nu uppdaterad.
Uppdateringen av faktureringsinformationen misslyckades.
🔬 En algoritm kan förutspå vem som kan få tuberkulos och därmed rädda miljoner liv

🔬 En algoritm kan förutspå vem som kan få tuberkulos och därmed rädda miljoner liv

Forskare har skapat en algoritm som ska hjälpa läkare sätta in behandling redan innan sjukdomen brutit ut.

Kent Olofsson
Kent Olofsson

Tio miljoner människor insjuknade i tuberkulos i fjol och 1,4 miljoner människor dog av sjukdomen. Men nu finns det hopp om att de siffrorna ska kunna sjunka i framtiden. Ett forskarlag från University College London har nämligen skapat en algoritm som kan förutsäga hur stor risk en person har att drabbas av tuberkulos.

Forskarna samlade in patientdata från 80 000 människor och matade in informationen i en algoritm de utvecklat. Algoritmen ligger sedan till grund för ett test som kan avgöra vilka som löper den största risken att bli sjuka i tuberkulos.

Poängen med det är att läkarna då skulle kunna sätta in en behandling redan innan patienterna blivit sjuka. Det går att ha en latent infektion som inte ger några symptom. Genom att identifiera de som har latenta infektioner går det att hindra sjukdomen från att bryta ut.

– Om vi kan identifiera de människor som löper den största risken att bli sjuka i tuberkulos så kan vi behandla deras infektion med en preventiv antibiotikakur innan de blir sjuka, säger Rishi Gupta forskare vid University College London och huvudförfattare av artikeln, som beskriver metoden i en kommentar till The Guardian.

Det finns redan tester som kan förutsäga om någon kommer att få tuberkulos, men de lämnar en del i övrigt att önska. Den nya metoden ska ge bättre resultat när det gäller att hitta de som är i riskzonen.

– Det här verktyget är viktigt eftersom det ger oss möjlighet att ge en förebyggande behandling till de som har mest nytta av det samtidigt som vi undviker att ge onödiga behandlingar till de som har en väldigt låg risk att drabbas. Det här tar oss ytterligare ett steg till att bli mer precisa i våra bedömningar, säger professor Ibrahim Abubakar vid University College London

Verktyget är speciellt viktigt i områden där tuberkulos är ovanligt. Det kan till exempel röra sig om platser i västvärlden där tuberkulos varit utrotat länge, men där utlandsresenärer eller personer som flyttat in från tuberkulosdrabbade områden tar med sig sjukdomen.

– Om en person på landsbygden i Norfolk har tappat vikt och dras med hosta så misstänker knappast en allmänläkare där att det rör sig om tuberkulos eftersom de inte haft ett sådant fall under hela sin karriär, säger Ibrahim Abubakar.

Algoritmen fungerar bäst i områden där tuberkulos inte är väldigt vanligt. Förhoppningen är därför att den först ska få ner antalet sjuka för att i förlängningen få ner sjuktalen så mycket att den kan användas för att utrota tuberkulos i område efter område.

Läs hela studien här.

📝 Få en dos faktabaserad optimism varje vecka.

Bli en del av över 15 000 optimistiska, framtidsinriktade prenumeranter som vill att framtiden kommer snabbare.